Формат PDF: спецификация и направления

Формат стандартизован как ISO 32000 и разделён на профили под задачи. PDF/A запрещает внешние зависимости — шрифты обязаны быть встроены, прозрачность и JavaScript исключены, поэтому файл читается через десятилетия. PDF/X добавляет обязательный выходной цветовой профиль, вылеты и метки реза для типографии. Обычный PDF ничего этого не требует, и один и тот же документ у разных отправителей может весить 180 КБ и 90 МБ.

Вес определяется содержимым страниц, а не их количеством. Текстовая страница — это несколько килобайт команд плюс общий на весь документ набор глифов. Отсканированная страница — изображение целиком: при 600 dpi лист A4 даёт 4960 × 7016 пикселей и один-три мегабайта после сжатия. Отсюда практическое следствие: пересборка сканов со 150–200 dpi сокращает файл в восемь-шестнадцать раз, а растеризация текстового PDF только увеличивает его и уничтожает текстовый слой.

Три технических состояния меняют поведение конвертации. Первое — отсутствие текстового слоя: страницы-изображения нельзя разобрать без распознавания, и перевод в DOCX даст документ с картинками вместо букв. Второе — шифрование: при пароле на открытие содержимое недоступно целиком, при пароле на изменение читается, но права на извлечение могут быть отозваны. Третье — нестандартные кодировки шрифтов без таблицы ToUnicode: текст выделяется, но копируется в виде мусора, и извлечение вернёт тот же мусор.